协同过滤技术在个性化资源推荐中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文主要研究内容 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 第2章 个性化资源推荐系统及其相关技术 | 第16-26页 |
| ·个性化资源推荐系统 | 第16-17页 |
| ·个性化推荐系统的作用 | 第16-17页 |
| ·个性化推荐系统的分类 | 第17页 |
| ·个性化推荐系统构成 | 第17-20页 |
| ·推荐系统的输入功能模块 | 第18-19页 |
| ·推荐处理模块 | 第19-20页 |
| ·推荐系统的输出功能模块 | 第20页 |
| ·个性化推荐技术 | 第20-25页 |
| ·基于规则的推荐技术 | 第21-22页 |
| ·基于内容的推荐技术 | 第22-23页 |
| ·协同过滤推荐技术 | 第23页 |
| ·组合推荐技术 | 第23-24页 |
| ·个性化推荐技术的比较 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 协同过滤技术 | 第26-37页 |
| ·协同过滤技术概述 | 第26-28页 |
| ·协同过滤技术描述 | 第26-27页 |
| ·协同过滤算法原理 | 第27-28页 |
| ·协同过滤算法的分类研究与分析 | 第28-35页 |
| ·基于用户的协同过滤算法 | 第28-31页 |
| ·基于项目的协同过滤算法 | 第31-33页 |
| ·协同过滤存在的问题与分析 | 第33-35页 |
| ·协同过滤算法的评估 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 对协同过滤技术改进的研究 | 第37-53页 |
| ·稀疏性问题的解决 | 第37-41页 |
| ·现有常用解决方法 | 第37-38页 |
| ·Slope One填充 | 第38-39页 |
| ·PCA降维技术 | 第39-41页 |
| ·方法比较 | 第41页 |
| ·可扩展性问题的解决 | 第41-45页 |
| ·基于K-means聚类的协同过滤 | 第42页 |
| ·SOM聚类 | 第42-44页 |
| ·方法比较 | 第44-45页 |
| ·基于PCA-SOM的改进算法 | 第45-47页 |
| ·实验及分析 | 第47-52页 |
| ·实验数据集 | 第47-48页 |
| ·实验设计 | 第48-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第5章 协同过滤技术在网络教学资源平台的应用 | 第53-71页 |
| ·需求分析 | 第53-55页 |
| ·用户兴趣与教学资源描述建模 | 第55-56页 |
| ·用户兴趣建模 | 第55-56页 |
| ·教学资源描述建模 | 第56页 |
| ·系统设计 | 第56-67页 |
| ·教学资源推荐系统功能模块及流程 | 第56-58页 |
| ·教学资源推荐系统体系结构 | 第58-60页 |
| ·数据库设计 | 第60-64页 |
| ·资源推荐系统设计 | 第64-67页 |
| ·教学资源推荐系统主要运行界面 | 第67-70页 |
| ·系统前台界面 | 第67-69页 |
| ·系统后台界面 | 第69-70页 |
| ·小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·本文总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
